· Equipo Factosys · Inteligencia artificial · 2 min de lectura
De una factura en PDF a tu sistema: qué puede automatizar la IA
Extracción de datos, controles de duplicados y revisión humana para reducir la digitación sin perder trazabilidad.
Copiar datos de un PDF a un sistema es una tarea repetitiva, pero automatizarla requiere más que reconocer texto. Antes de guardar un registro, necesitas saber de qué documento proviene, si ya fue procesado y quién validó sus importes.
Extraer no significa aprobar
Herramientas como Document Intelligence de Microsoft permiten extraer campos y líneas de documentos para obtener datos estructurados. Esa capacidad no demuestra que el comprobante sea auténtico, que el gasto corresponda ni que deba pagarse.
El alcance propuesto aquí es operativo: preparar un registro revisable para tu sistema. La validación tributaria o contable es un proceso distinto y debe definirse con sus responsables.
Un flujo con controles claros
- Recibir el archivo y asignarle un identificador.
- Conservar el original con acceso restringido.
- Extraer proveedor, identificador, fecha, moneda, conceptos y totales disponibles.
- Marcar campos ausentes o inconsistentes.
- Comparar con registros existentes para detectar posibles duplicados.
- Mostrar el borrador junto al documento.
- Registrar únicamente después de la validación prevista.
Para cada campo importante, permite ver y corregir el valor. Un número de identificación mal leído puede vincular un documento al proveedor equivocado.
Un ejemplo de excepción
Imagina una factura fotografiada con parte del total tapado. Es un ejemplo hipotético. El flujo debería enviar el documento a revisión o pedir otra imagen, sin reconstruir el importe que falta.
También conviene probar archivos que contienen varios documentos, notas de crédito, monedas diferentes y un mismo archivo recibido por dos canales. Estas situaciones dicen más sobre el funcionamiento real que una demostración con un PDF limpio.
Qué medir en el piloto
| Indicador | Pregunta que responde |
|---|---|
| Campos corregidos | ¿Qué datos siguen requiriendo trabajo? |
| Documentos revisados | ¿Cuánto pasa por intervención humana? |
| Tiempo total por registro | ¿La revisión compensa la digitación evitada? |
| Duplicados detectados | ¿El proceso identifica entradas repetidas? |
No fijes un umbral universal de confianza para todos los campos. El costo de equivocarse en una descripción puede ser distinto al de equivocarse en una cuenta o un total.
Empieza sin acciones de pago. Primero valida recepción, revisión y registro; después evalúa nuevas etapas por separado.
Relacionado: automatización de procesos y cómo medir un piloto de IA.
